Vis enkel innførsel

dc.contributor.advisorHaddow, Pauline Catriona
dc.contributor.authorGrimstad, Eivind
dc.date.accessioned2019-12-29T15:00:21Z
dc.date.available2019-12-29T15:00:21Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11250/2634458
dc.description.abstractPlaneten vi lever på er i endring, nå mer enn noensinne. Forsåelse for hvordan disse endringene påvirker miljøet er avgjørende for å bevare jorda for fremtidige genrasjoner. Utviklinger i teknologi for fjernanalyse og innhenting av data lar oss hente inn mer data enn noen gang før. Hyperspektrale sensorer innhenter elektromagnetisk data fra jordas overflate i hele spekteret av sollys. Denne dataen kan la oss klassifisere og monitorere endringer i vegetasjon, jordbruksområder, vann, menneskelig bebyggelse, naturkatastrofer og mye mer. Den høye dimensjonaliteten og overflødigheten som ligger i disse dataene skaper nye utfordringer for gjennkjenningsalgoritmer. Dette arbeidet presenterer en ny teknikk for å gjøre et ikke-veiledet valg av spektrale bånd i hyperspektral data, basert på gruppering av bånd i høyt korrelerte undergrupper og flermåls evolusjonsbasert søk med bruk av NSGA-II. Eksperimenter viser lovende resultater på flere populære datasett sammenliknet med andre liknende metoder, som indikerer at dette er en interessant retning for videre forskning.
dc.languageeng
dc.publisherNTNU
dc.titleEvolutionary multi-objective optimization for band selection of hyperspectral imagery using a cluster-based representation
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel